Novi model je konvolucijska neuronska mreža (CNN). Odnosno, algoritam nameće filtar
Tijekom razvoja znanstvenici su koristili milijunePrimjeri slika s dva satelita Copernicus Sentinel-2 kojima upravlja Europska svemirska agencija (ESA). Ovi sateliti snimaju svaku lokaciju na Zemlji svakih pet dana s rezolucijom od 10 x 10 metara po pikselu. Rezultat su trenutno dostupne slike najviše kvalitete.
Za izračunavanje visine stabala korišteni su podaci dobiveni tijekom NASA GEDI misije.
“Misiju GEDI pruža globalnodistribuirao različite podatke o visini vegetacije između 51 stupnja sjeverne i južne geografske širine, pa u procesu učenja računalo vidi mnogo različitih vrsta vegetacije”, objašnjava jedan od istraživača.
Rezultirajući model može automatski procijeniti visinu vegetacije s više od 250.000 slika (oko 160 TB podataka).
Visoka učinkovitost neuronske mreže također je povezana sČinjenica da su istraživači koristili ne jedan CNN, već pet. Trenirali su samostalno, a svaki je napravio svoju procjenu visine stabla. Model također uzima u obzir nesigurnost u samim podacima: na primjer, ako je satelitska slika zamagljena, nesigurnost je veća nego u dobrim atmosferskim uvjetima.
“Važan aspekt za nas je bio informiratikorisnicima o nesigurnosti procjene”, kaže Lang, jedan od istraživača. - Ako se svi modeli podudaraju, onda je odgovor jasan na temelju podataka o treningu. Ako modeli dođu do različitih odgovora, to znači da postoji veća nesigurnost u procjeni.”
Globalna karta dobivena pomoću neuronske mreževisina biljnih krošnji pomoći će ekolozima u praćenju klimatskih promjena. Također može biti od interesa za vlade i upravna tijela.
"S Sentinel-2, visine vegetacije mogu se preračunavati svakih pet dana, što omogućuje praćenje krčenja šuma u prašumi", kaže Lang.
Čitaj više:
Lovi se stoljećima: što znamo o planetu Vulkan pored Sunca
Fizičari su eksperimentalno potvrdili novi temeljni zakon za tekućine
Astronomi su pronašli izvor tajanstvenih radijskih praska koji dolaze iz svemira